京东
算法工程师（外投系统）
算法工程师（外投系统）
发布于 大约 17 小时前普通员工/个人贡献者
海南省
高级经验
全职员工
仅现场办公
学历未注明
软件工程
Llm
Pytorch
Rta出价
Tensorflow
因果推断
多智能体系统
广告召回
强化学习
排序
AI 估算 · 25k–40k
高级算法工程师，京东大厂，海南薪资略低于一线，但技术前沿且职责核心，综合评估月薪2.5-4万。
职位详情
关于这个职位
该职位是京东零售的算法工程师，专注于外投智能投放系统的研发
你将利用LLM、多智能体、因果推断等前沿技术，优化广告召回、排序、出价等核心模型，提升广告投放ROI
适合对广告算法和大规模机器学习系统有深入理解和实践经验的求职者
最低要求
计算机科学、数学、统计学等相关专业
广告、推荐、搜索等相关领域的算法研发经验优先
精通TensorFlow/PyTorch等深度学习框架
具备扎实的算法与数据结构功底，熟练掌握Hive/Spark/Hadoop等大数据工具，有大规模机器学习系统性能优化经验者优先
深入理解LLM、深度学习、因果推断、强化学习等核心算法原理，并具备将前沿理论快速转化为业务价值的落地能力
具备RTA出价、智能体开发或营销增长（Marketing Growth）项目经验
熟悉广告召回/排序系统，在生成式召排、语义/多模态/图召回或多目标排序方面有深入实践
熟悉广告机制，对博弈论或跨平台竞价决策有深刻理解
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
负责智能投放系统的技术研究与落地
结合LLM、上下文工程、多智能体系统等前沿技术构建新一代的自适应投放决策框架，赋予系统自主理解、决策、执行的能力，实现跨平台、全自动的智能投放
负责广告召回与排序系统的迭代优化，支撑每日千亿级请求
探索并应用生成式召回与排序 (Generative Retrieval/Ranking)、文本语义理解、图神经网络、多模态召回等前沿召回范式，并优化个性化排序机制，实现用户意图的精准捕捉与高效匹配
负责外投广告核心模型体系构建
运用深度学习、因果推断、多模态等技术，持续优化pCVR/pLTV/pΔLTV/pCTR等关键预估模型，攻坚延迟转化归因、多目标融合等业界难题，打造行业先进的模型预测能力
主导RTA实时出价与报价策略升级
运用强化学习、规划求解、生成式出价、博弈论等技术，突破海量场景下的竞价效率瓶颈，实现平台、用户与广告主多方目标的动态平衡，显著提升广告投放ROI
AI 洞察
优缺点分析
优点
- 技术前沿：直接应用LLM、多智能体、因果推断等最新技术，积累稀缺经验
- 成长空间：广告算法是核心变现环节，对个人技术视野和商业价值提升显著
- 薪资竞争力：大厂高级算法岗，薪资福利有保障，且有机会参与核心项目
- 技术深度要求高：需同时掌握多领域知识（LLM、强化学习、因果推断等），学习曲线陡峭
- 竞争激烈：内部和行业对广告算法工程师的要求持续提升，需保持持续学习
- 适合有3年以上广告、推荐或搜索算法经验，热爱技术攻坚，希望在大流量场景下快速成长的技术型人才
缺点 / 挑战
- 平台优势：京东海量真实业务场景，每日千亿级请求，挑战性极高
- 工作强度大：需要跟进前沿技术并快速落地，可能面临较大压力
角色解读
- 从算法工程师成长为技术专家，主导广告技术方向的核心模型创新
- 向技术管理方向发展，带领团队构建下一代智能投放平台
- 横向扩展至推荐、搜索等关联领域，成为大流量场景下的算法领军人物
- 构建智能投放系统，利用LLM和多智能体技术实现自动化决策
- 优化广告召回与排序系统，处理千亿级请求，应用生成式召回、图神经网络等前沿方法
- 开发预估模型（pCVR/pLTV等），解决延迟转化归因和多目标融合问题
- 升级RTA实时出价策略，结合强化学习和博弈论提升竞价效率和ROI
- 精通深度学习框架（TensorFlow/PyTorch）和大数据处理工具（Hive/Spark/Hadoop）
- 深入理解LLM、因果推断、强化学习等核心算法，并能快速落地
- 具备广告召回、排序、出价系统开发经验，熟悉博弈论和竞价机制
- 有RTA出价或智能体开发项目经验，能独立承担复杂算法模块
申请策略
- 在面试中准备一个完整的项目案例，从问题定义、技术选型到最终效果，展示系统思维
- 了解京东零售业务和广告产品形态，思考如何将自身经验与京东场景结合
- 突出广告召回、排序或出价相关的项目经验，特别是涉及LLM或强化学习的落地案例
- 详细描述在深度学习框架和大数据工具上的实践经验，强调性能优化和线上效果提升
- 如果有因果推断或多智能体系统相关成果，务必重点展示
- 量化成果，如A/B测试收益、ROI提升、延迟转化改善等数据
- 如果缺乏RTA或智能体经验，可提前学习相关论文和开源项目（如强化学习库RLlib）
- 深入理解广告竞价机制，阅读博弈论基础部分，熟悉GSP、VCG等拍卖理论
面试指南
- STAR法则：情境-任务-行动-结果，清晰展示项目背景、个人贡献和量化收益
- 技术选择论证：说明为什么选择某种技术（如因果推断 vs 纯深度学习），优缺点分析
- 系统视角：不仅关注模型本身，还要考虑特征工程、延迟、部署等工程落地问题
- 请介绍你参与过的广告召回/排序项目，遇到的主要挑战和解决方案
- 如何利用因果推断解决广告中的延迟转化归因问题？请举例
- 在RTA出价场景中，如何平衡平台、用户和广告主三方的利益？你会用什么技术？
- 描述一个你使用LLM改进推荐或广告系统的实际案例，效果如何？
- 请推导一下pCVR模型的常见损失函数，并说明如何解决样本选择偏差
职位点评
74
综合评分
大厂核心算法岗，前沿技术栈，发展空间极大，但工作强度和地点需权衡。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最看重技术成长和前沿实践，对WLB要求不高，愿意在海南工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活50
使命价值60
薪资福利
75中等
京东大厂，薪资处于市场较高水准，福利完善，但工作地点在海南，不同于主流互联网城市，可能影响部分求职者对稳定性和配套设施的预期。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
95较高
职位涉及LLM、多智能体、因果推断等前沿技术，且业务场景复杂，技术成长空间极大。京东内部有完善的晋升通道和培训资源。
技术前沿前沿/新兴技术
技术栈LLM、多智能体、因果推断、强化学习、生成式召回、图神经网络
业务类型profit_center
工作生活
50较低
工作地点海南，生活节奏相对慢，但职位描述未提及弹性办公或远程工作，且算法岗通常压力大，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
广告算法直接关联公司营收，商业价值显著，但社会使命感相对一般。不过，推动智能投放技术进步也具有一定行业意义。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
京东 的其他在招职位
相似职位推荐
Watch Jobs